深度｜对话阿里千问AI算法负责人：Personal Agent拼的不是上限而是下限，生态是最大的墙
推荐语过去一年，Agent 进展最扎实的领域是写代码。原因在于代码自带判卷标准，测试过没过，模型自己就能知道。强化学习有了稳定的反馈信号，能力就能一直往上训。生活服务没有这样的标准。订错一张票，记混一条病史，系统不会报错，用户只会悄悄流失。过去一年几款通用 Agent 先爆火、后冷却，问题大多出在任务完成率上。...
推荐语
Harness
结合此次访谈，我们有五点观察
第一，Agent的竞争正从模型延伸到交付工程。
第二，记忆的价值要回到用户需求。
第三，生活服务这一侧，生态可能是最大的墙。
第四，主动服务的分寸比主动本身难。
第五，Agent 开始对外交涉，权限边界就成了产品的地基。
01 为什么是现在：Personal Agent 不是跟风，而是技术到了这个阶段
Q：今年 Personal Agent 突然成了全行业的关键词。千问这时候旗帜鲜明地做 Personal Agent，是在跟随海外的热点吗？
A：
Q：回看技术演进，模型从什么时候开始真正具备 Agent 能力？
A：
Q：落到真实使用中，目前用户主要把哪些场景交给千问？
A：
Q：从 LangChain 到 OpenClaw，行业一直在尝试让模型完成更多任务。和那一波相比，这半年真正的进步在哪里？
A：
但真正面向大众长期提供服务，还需要进一步提高任务执行的稳定性和可预期性。要把Personal Agent做好，核心有三个要素：模型、个性化数据，包括记忆和Context，以及生态工具和服务体系
Coding Agent
02 从需求倒推能力：30 多个行业、8000 多个原子能力，先守住下限
Q：Muse 最近热度很高。千问和它的思路有什么不同？
A：GUI
Q：这张“需求透视图”具体是按哪些维度建模的？
A：
Q：千问会基于真实用户场景对模型做后训练吗？重点解决的是什么问题？
A：场景后训练非常重要，核心是保证模型能力下限的稳定性
Q：训练过程中需要引入用户的个性化信息吗？真实使用中的反馈会怎么用？
A：
后训练也不单纯追求样本数量，更重要的是覆盖关键原子能力和典型执行轨迹，保证数据的多样性与质量
Q：Personal Agent 本质上是长时间、多步骤的任务。千问在这方面做了哪些优化？
A：复杂任务能否稳定交付，主要看三个环节：第一，任务规划要合理；第二，每个单步骤的成功率要高；第三，遇到失败时能够合理回溯、重新规划
Q：健康医疗、法律、财经等领域的需求差异很大，模型、Skill 和生态分别承担什么角色？
A：
Skill
03 模型与 Harness：不是两套系统，而是一个整体
Q：行业里有一种说法：各家基础模型能力差不多，所以大家都在往工具调用和 Harness 上补。如果把 Agent 底层的模型换掉，影响会有多大？
A：
模型和Harness需要紧密协同
Q：那么哪些能力应该训进模型，哪些应该交给 Harness？
A：
Q：任务进来之后，系统怎么判断先调记忆还是先调外部工具？背后是一套路由机制吗？
A：
Q：多智能体协作很热，但很多产品默认把它关掉了。什么情况下多智能体协作真的有收益？
A：
多Agent协作应当尽量减少复杂的状态同步。每个Agent负责什么、需要交付什么越清晰，协作效果通常就越好
Q：有一种普遍的焦虑：模型一升级，Harness 上百分之八十的工作就白做了。你怎么平衡？
A：
关键是从用户的核心需求出发，区分哪些能力具有长期价值，哪些只是当前技术条件下的临时补充
04 记忆：记住什么，由未来的任务决定
Q：联网的 Deep Research 已经很普及了。Personal Agent 和它的本质区别在哪里？
A：
Personal Agent
Q：要做到个性化，是不是意味着用户得先录入大量个人信息？
A：
Q：用户信息不断累积，千问如何设计Memory Schema，判断哪些事实和关系值得记录？
A：记忆设计最关键的是两个问题：记什么、怎么用
Q：长期记忆和短期记忆怎么划分？用户画像多久更新一次？没用的信息多久删除？
A：
技术上更重要的是建立持续更新的记忆体系，识别不同信息的变化规律和有效性
05 主动服务：克制比主动更重要
Q：主动提醒的边界在哪里？海外有产品把家人信息混进推荐里，用户反而觉得被冒犯。
A：第一条原则是帮助用户，而不是增加困扰
Q：主动服务的“度”怎么拿捏？
A：
主动服务必须精准、克制，避免让用户觉得自己被过度干预。
Q：Agent 能 follow 用户的长期目标吗，比如跑马拉松、升职，甚至孩子高考？人本身又是矛盾、复杂的，这怎么办？
A：
06 安全边界：Agent 是你的助理，不是你本人
Q：外界对 Agent 替用户打电话这件事很好奇。这是真的吗？能讲一个真实的例子吗？
A：
Q：模型还是会出错，但订机票这类事情容不得错。为什么现在敢做 Personal Agent？
A：
07 成本与速度：降本靠体系，不靠单点技巧
Q：海外已经有 Agent 公司因为堆算力撑不下去，而且用户用得越久，成本越高。千问有这个压力吗？
A：
Q：具体做了哪些成本优化？效果如何？
A：
Q：会不会出现“花 20 块钱的 token 去抢一张 10 块钱的优惠券”？
A：
08 留存与商业化：拼上限能吸引尝鲜，守住下限才能留住用户
Q：OpenClaw、Muse 都是爆火之后留存下滑。千问靠什么留住用户？
A：
Q：情感陪伴型和把事办成型，哪种产品的留存更高？
A：
Q：阿里做 Personal Agent 的优势是什么？
A：
09 终局：不要神化 Personal Agent
Q：Personal Agent 最终能理解人生观、影响人的生活意图吗？还是说这已经被神话了？
A：
Q：未来六个月会有什么突破？
A：
Q：如果 Personal Agent 真的成为爆款，它会长成什么样？
A：
Q：最后，你个人对 Personal Agent 最大的期待是什么？
A：
